概念：哈希即可以是一種數據結構，也可以是一種函數概念

通過某種函數(hashFunc)使元素的存儲位置與它的關鍵碼之間能夠建立一一映射的關系，那么在查找時通過該函數可以很快找到該元素。

哈希(散列)方法，哈希方法中使用的轉換函數稱為哈希(散列)函數，構造出來的結構稱為哈希表(Hash Table)(或者稱散列表)

哈希算法不過是一個均勻的運算，它的輸入可以是字符串，可以是數據，可以是任何文件，經過哈希運算后，變成一個固定長度的輸出， 該輸出就是哈希值。但是哈希算法有一個很大的特點，就是你不能從結果推算出輸入,所以又稱為不可逆的算法

哈希的特性

• 不可逆 ： 就如同你可以通過x*y=z得到z，但你不能確定z=x*y，xy一定剛剛的數
  ?
• 運算快：20G高清電影和一個5K文本文件復雜度相同，計算量都極小。越巧妙的hash函數碰撞越少，空間利用率越高
• 結果均勻：哈希函數計算出來的地址能均勻分布在整個空間中，這時hash函數的設計原則

常見哈希函數

直接定制法–(常用)
取關鍵字的某個線性函數為散列地址：Hash（Key）= A*Key + B優點：簡單、均勻缺點：需要事先知道關鍵字的分布情況使用場景：適合查找比較小且連續的情況。

除留余數法–(常用)
設散列表中允許的地址數為m，取一個不大于m，但最接近或者等于m的質數p作為除數，按照哈希函數：Hash(key) = key% p(p<=m),將關鍵碼轉換成哈希地址。

哈希沖突

哈希沖突是不可避免的

當計算出的hash值相同時，就會發生哈希沖突。常用的解決哈希沖突的方法有兩種：

1.閉散列（開放定址法）

當發生哈希沖突時，如果哈希表未被裝滿，說明在哈希表中必然還有空位置，那么可以把key存放到沖突位置中的“下一個” 空位置中去。那如何尋找下一個空位置呢？

其中最簡單的就是線性探測

• 若沒有沖突則直接插入值
• 若有沖突則向后查找至空位插入值

?但這么做有弊端：

一旦發生哈希沖突，所有的沖突連在一起，容易產生數據“堆積”（查找時會多次重復比較，大大降低查找效率）即“踩踏效應”

二次探測：線性探測的缺陷是產生沖突的數據堆積在一塊，這和找下一個空位置有關系，因為找空位置的方式就是挨著往后逐個去找，因此二次探測為了避免該問題，他不再是挨著找下一個空位置，而是平方式的跳躍找下一個空位置，這樣沖突就不會堆積在一片，而是會相對散開一些。

載荷因子

α是散列表裝滿程度的標志因子。由于表長是定值，α與“填入表中的元素個數”成正比，所以，α越大，填入表中的元素較多，產生沖突的可能性就越大；α越小，填入表中的元素較少，產生沖突的可能性就越小
通常，只要a取的合適（一般取0.7-0.8之間），哈希表的平均查找長度就會是常數也就是O（1）級別的。

?GO的載荷因子為6.5 但長度為8

閉散列的刪除

采用閉散列處理哈希沖突時，不能隨便物理刪除哈希表中已有的元素，若直接刪除元素會影響其他元素的搜索。如上圖的11，刪除11之后，查找5就會誤報。

閉散列最大的缺陷就是空間利用率比較低，這也是哈希的缺陷

?

2.開散列? ?又名鏈地址法(開鏈法)

?首先對關鍵碼集合用散列函數計算散列地址，具有相同地址的關鍵碼歸于同一子集合，每一個子集合稱為一個桶，各個桶中的元素通過一個單鏈表鏈接起來，各鏈表的頭結點存儲在哈希表中

?首先對關鍵碼集合用散列函數計算散列地址，具有相同地址的關鍵碼歸于同一子集合，每一個子集合稱為一個桶，各個桶中的元素通過一個單鏈表鏈接起來，各鏈表的頭結點存儲在哈希表中

GO的map底層bucket桶即使用這個方法?

那如果就是出現了極端的情況，所有的數此時都沖突到一個桶中，那么這個桶中的數據就會太多了，應該怎么辦？

將此時的鏈表改換掛紅黑樹

多階哈希（不常使用）

?

總結

以上是生活随笔為你收集整理的什么是Hash(哈希)？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。